人工智能技术基础及应用活页式教程 课件 第4章 提示词工程

第4章

提示词工程本章将系统地解构提示词工程的核心逻辑与设计原则，深入探讨如ICIO、CRISPE等主流提示词框架的应用。通过从基础要素分析到进阶技巧的实战演练，旨在帮助读者掌握这门人机协作的新语言，实现从“向AI提问”到“指挥AI创造”的能力跨越。核心逻辑框架应用实战演练章节导入：驾驭智能的沟通艺术核心定义：交互的桥梁与钥匙提示词（Prompt）不仅是用户与人工智能交互的桥梁，更是解锁AI潜能的“金钥匙”。它决定了我们能否有效利用AI解决复杂问题。工程演变：从问答到指令设计提示词工程标志着人机交互从简单的“问答模式”向结构化的“指令设计模式”转变，要求我们从提问者升级为精准的指挥者。质量决定：设计即产出模糊的指令导致平庸的回答，而包含清晰背景（Context）、明确角色（Role）和具体指令（Instruction）的结构化提示词，能引导模型像专家一样思考。掌握提示词工程=掌握AI时代的核心竞争力4.1基础概念本小节将介绍提示词和提示词工程的基本概念，讲解核心的RTS框架，分析提示词工程的作用，并列举常见的提示词类型。4.1.1提示词工程：提示词（Prompt）核心定义提示词是一种自然语言文本，要求生成式人工智能执行特定任务。它是用户与AI模型交互的“编程语言”，通过精准的指令指导AI完成从创作到分析的各种复杂任务。关键作用提示词充当用户与模型庞大的预训练知识之间的动态接口。它允许通过上下文微调来调整模型输出，而无须修改底层模型代码。作为沟通的桥梁，提示词的质量直接决定了AI输出结果的准确性与价值。4.1.1提示词工程（PromptEngineering）核心定义：提示词工程是设计、优化和管理提示词的过程，旨在确保AI模型准确、高效地执行指令。它是增强预训练大语言模型（LLM）和视觉语言模型能力的关键技术。工作流结构：流程包含提示工程（指令与上下文）与用户输入，输入至大语言模型（LLM）进行处理，最终生成响应输出。图：提示词工程基本结构与工作流示意4.1.1提示词工程入门-RTS框架角色(Role)确定大模型的专业领域。例如，指定大模型作为一位专注于两性关系的心理咨询师。目标(Target)明确想要大模型完成的任务。例如，要求大模型协助解决情感问题，提供专业建议。场景(Scenario)描述任务背景和预期输出。例如，某考生因落榜情绪低落，需要提供切实可行的情绪调节方案。核心价值：通过RTS框架构建提示词，能让AI输出更聚焦、更专业、更符合预期的结果。4.1.1提示词工程入门-提示词工程的作用提升模型性能优化提示词的结构和表达方式可以增强模型在复杂任务中的表现，使其更接近人类的思维模式。增强安全性与可控性合理的提示词设计能够降低输出有害或不准确内容的风险，提升生成内容的可靠性。提高任务执行效率允许用户在不修改模型参数的情况下快速适配不同任务，实现零样本学习和快速部署。4.1.1提示词工程入门-常见提示词类型类型示例提示词直接指令解释量子力学的基本原理角色扮演你是一名律师，请分析这份合同的漏洞结构化任务用Markdown表格列出全球GDP排名前五的国家，并标注人均收入水平创意生成以“未来城市”为主题写一首科幻风格的短诗零样本提示将“人工智能伦理”这个概念解释给小学生听4.1.2基础提示词结构指令(Instruction)明确告知AI需要执行的任务，建议使用动作性强的动词开头，避免模糊表述，是提示词的核心驱动。上下文(Context)建立理解框架和边界条件，提供必要的背景信息，如角色设定、场景设定、知识范围，帮助AI准确理解意图。输入数据(InputData)需要AI处理的具体内容，如待分析的文本、原始表格数据、图片描述等，是指令执行的对象。输出要求(OutputIndicator)指定期望的输出格式或限制，包括格式（JSON/Markdown）、风格（正式/幽默）、量化指标和质量标准。4.1.2基础提示词结构-示例完整提示词示例：作为有10年经验的室内设计师（AI角色），为首次购房的年轻夫妇（用户角色）提供现代简约风格的客厅设计方案（场景），考虑近五年的流行趋势（时间范围）和华北地区常见户型（地域）。输出

，采用专业但易懂的语言（风格），包含3个关键设计元素（量化），所有建议需符合室内设计规范（质量）。通过明确角色、场景、指令和输出要求，引导AI生成精准专业的结果4.1.3提示词模板和变量基本概念：提示词模板是包含可替换变量的预定义结构，通过插入不同的变量值生成具体提示词，适用于批量生成相似提示词的场景。设计要素：由两部分组成——固定部分（保持不变的提示词框架）和变量部分（用占位符标记的可替换内容）。应用示例模板：作为{{角色}}，请用{{语气}}撰写一篇关于{{主题}}的{{文本类型}}。重点突出{{关键要素}}，适合{{目标读者}}阅读。字数限制在{{字数}}字以内。填充：作为市场营销专家，请用专业但易懂的语气撰写一篇关于新能源汽车的博客文章。重点突出电池技术创新，适合25～40岁都市白领阅读。字数限制在800字以内。4.2核心技术本小节将介绍提示词工程的四大核心技术：零样本提示、少样本学习、上下文学习和思维链提示，通过详细的概念解释和丰富的应用示例，帮助读者掌握这些高级技巧。零样本提示Zero-shotPrompting少样本学习Few-shotLearning上下文学习In-contextLearning思维链提示ChainofThought4.2.1零样本提示基本概念直接向AI大模型提出任务，但不提供执行的方法或步骤，模型仅依靠预训练知识尝试生成正确答案。应用示例无需示例，直接下达指令：“把这段英文句子翻译成英语：‘你好，世界’”局限性准确性有限制，对提示词的措辞非常敏感，对于高度专业化或复杂的任务通常不太适用。4.2.2少样本学习基本概念指给AI大模型提供少量典型示例（通常2～5个），通过这些“示范案例”让模型理解任务要求，无需大规模重新训练。运作原理通过示例引导建立任务框架→模型进行模式识别提取关键特征→基于相似性进行迁移应用，快速适应新任务。应用示例：跨语言翻译输入少量中文-法语翻译样本（如“你好”→“Bonjour”），模型即可掌握对应翻译规则。右图展示了仅通过2个样本，模型成功输出了新句子“你在哪儿？”的正确法语翻译。4.2.2少样本学习-示例选取原则典型性选取最具代表性的案例，体现任务本质的“标准答案”或样本，确保AI能抓住核心。多样性选取覆盖不同情境的样本，包括场景维度、难度梯度和风格变化，增强模型泛化能力。一致性保持样本示例之间的标准统一，包括格式规范和质量控制，避免引入混淆信息。通过遵循这三个原则，构建高质量的少样本学习数据集，提升模型表现。4.2.3上下文学习基本概念：上下文学习是指大语言模型通过动态分析当前对话或文本中的情境信息，自主调整响应策略的智能处理方式。模型依赖输入的上下文信息生成输出，实现任务的高效执行。典型特征动态适应性能实时响应语境变化，捕捉对话场景、语气风格的细微转变，确保回应的连贯性与准确性。长程依赖处理建立跨越多轮对话的复杂关联网络，有效追踪长文本信息流，解决模型在长对话中的遗忘问题。多模态协同分析同步解析文本、表格、代码等多种格式内容，融合多源信息进行综合判断与生成，提升理解深度。4.2.3上下文学习-文本生成示例用户输入：今天天气真好，我想出去玩。AI输出：太棒啦！好天气确实很适合出去玩。你可以去公园散步，感受大自然的美好；也可以去海边，享受阳光沙滩；或者去爬山，锻炼身体的同时欣赏美丽的风景。用户输入：去爬山的话，我应该带些什么？AI输出：爬山时要带的东西可不少，以下是一些常见的物品：一、衣物（运动服装、合适的鞋子）；二、食物和水；三、安全和急救用品；四、其他用品。分析：模型结合了第一个话题“今天天气真好，我想出去玩”来回答第二个问题，体现了模型具备上下文学习能力，能够关联历史对话信息进行回应。4.2.3上下文学习

-图像生成示例初始提示词：缺乏关联指令：“未来城市，自然，和谐”结果：画面元素割裂，缺乏统一的世界观和细节支撑。第一次优化：注入风格指令：加入“梵高星月夜笔触”与“发光藤蔓”结果：风格统一且极具想象力，画面细节丰富度显著提升。第二次优化：构建世界观指令：设定“22世纪新伊甸”与“生物芯片沟通”结果：兼具合理性、故事性与审美一致性，生成完整叙事画面。核心逻辑：通过逐步补充细节、风格与背景故事，为AI构建完整的“世界观”，引导生成高质量内容。4.2.4思维链提示基本概念通过引导模型生成中间推理步骤来提升复杂问题解决能力，模仿人类逐步分析问题的过程，将任务分解为多个子步骤。技术原理显式推理链：通过明确指令强制模型分步思考，展示推导过程。示例驱动：提供带推理步骤的示例，使模型模仿类似的解题模式。自洽性：通过多路径推理和交叉验证，减少单一推理路径的错误。图示：常规提示词vs思维链提示对比4.2.4思维链提示-应用示例输入条件(Input)场景：小镇上有小明、小红、小华三人，分别喜欢足球、篮球、排球。已知：小明不喜欢足球，小红不喜欢篮球，小华喜欢排球。问：每个人分别喜欢什么运动？思维链推理(ChainofThought)1.锁定已知：小华喜欢排球，因此排球项目已确定归属。2.排除法：剩余足球和篮球。小明不喜欢足球→小明喜欢篮球。3.唯一性：最后剩下的足球项目，必然归属小红。最终结论(Conclusion)小明喜欢篮球，小红喜欢足球，小华喜欢排球。4.3优化和改进A/B测试与迭代掌握提示词优化技术，通过对比实验和持续迭代提升效果。歧义处理与清晰度消除指令中的模糊表述，提升提示词的精准度和可执行性。长度与复杂度管理平衡提示词的详细程度与简洁性，制定高效的管理策略。“通过科学的优化手段，将提示词从简单指令升级为高效的任务蓝图。”4.3.1提示词优化技术-A/B测试01确定测试目标明确测试目的，例如提高文本生成的趣味性或问答的准确率。02设计版本提示词依据目标设计至少两个不同版本的提示词，保持变量单一。03执行对照测试将不同版本输入模型，保持其他条件一致，记录输出结果。04选择指标评估根据目标确定指标，如点击量、转化率或准确率，科学选优。💡核心价值：通过控制变量法对比不同提示词的效果，摒弃主观臆断，用数据驱动提示词的迭代与优化，确保每一次调整都有据可依。4.3.1提示词优化技术-迭代改进核心方法：持续迭代循环基于A/B测试结果，锁定表现较好的提示词版本作为基准，进行多维度的微调与扩展，不断循环优化过程，使引导效果呈指数级提升。优化案例：某米智能手表推广文案B版本（基础版）为热爱运动的年轻人介绍某米智能手表，突出其运动监测和续航优势。C版本（优化版）为热爱运动的年轻人介绍某米智能手表，不仅要突出其精准的运动监测功能和超长续航能力，还要强调它时尚且适合运动时佩戴的外观设计。💡优化点：增加了形容词修饰（精准、超长）和场景化描述（时尚、适合运动佩戴），使描述更具象化。4.3.2处理歧义和提高清晰度歧义产生的常见原因词汇多义性：同一词汇在不同语境下具有不同含义。语法结构模糊：句子结构不严谨导致多种解读可能。缺乏上下文：信息缺失导致模型无法准确判断意图。核心处理方法明确词汇含义：补充修饰词或限定语，锁定具体所指。优化语法结构：调整语序和句式，消除结构上的歧义。补充上下文信息：提供足够的背景信息，建立完整语境。关键提示：清晰的提示词是减少AI误解、提升回答质量的前提。通过消除模糊性，让指令“指哪打哪”。4.3.2处理歧义和提高清晰度-案例案例一：旅游规划提示词优化原始提示词：帮我规划一下去海边的旅行。（存在歧义）优化后提示词：我计划下个月有5天的假期，预算是5000元，我喜欢休闲度假，不想行程太赶，想在国内的海边城市旅游。帮我规划一下详细的旅行行程，包括交通方式、住宿推荐、每天的游玩景点和大致费用。案例二：文本创作提示词优化原始提示词：写一篇关于树的文章。（概念宽泛）优化后提示词：以“校园里的老槐树”为题，写一篇800字左右的记叙文，通过描述老槐树的样子以及和它相关的校园故事，表达对校园生活的怀念之情。4.3.3提示词长度和复杂度管理长度管理策略短提示词简洁高效，适用于简单任务；长提示词提供丰富信息，适用于复杂任务。并非越长越好，需确保逻辑条理清晰。复杂度适配简单提示词适配基础任务；复杂提示词应对高难度场景。需根据模型能力动态调整，避免超出其处理和理解范围。动态平衡法则根据任务难度和模型特性，在“信息完整性”与“模型可理解性”之间找到最佳平衡点，避免冗余或过度简化。核心目标：精准传递意图，最大化模型效能4.4提示词框架本小节将介绍提示词框架的概念、作用和使用流程，并详细讲解三大经典框架：CLEVER、ICIO和CRISPE，帮助读者快速构建高质量的提示词。STRUCTUREDPROMPTENGINEERING4.4.1提示词框架及使用核心概念提示词框架是一种结构化的模板工具，通过模块化设计和场景化适配，帮助用户快速生成精准、高效的指令内容。主要作用规范表达，减少指令歧义预置逻辑，大幅提升效率多维度配置，适应多种场景使用流程明确具体的任务类型按模块填充关键信息根据反馈迭代优化“掌握框架的使用方法，能让我们在不同场景下都能快速构建出高质量的提示词。”4.4.4CRISPE提示词框架Context上下文交互的背景信息，为AI提供用户请求的背景和环境，奠定对话基础。Role角色明确AI需扮演的专业身份或具备的能力，引导其从特定视角生成内容。Instruction指令对请求的具体化，清晰告诉系统需要做什么以及如何完成请求。Specification规格对指令的进一步细化，明确任务的具体要求、格式、长度等标准。Personal人格指定AI的沟通风格、语气或个性特征，细化输出的表达方式。Example示例用户提供的具体实例，帮助AI更好地理解请求意图和指令细节。4.4.4CRISPE提示词框架-应用示例Context(上下文)我是教育领域研究生，正撰写AI教育应用的学术文章，此前有医疗AI写作经验，偏好简洁风格。Role(角色)拥有10年经验的教育技术研究员，参与过3项AI教育产品开发，深谙AI在教育场景的落地应用。Instruction(指令)生成一段引人入胜的文章开头，重点突出人工智能技术在现代教育改革与发展中的核心重要性。Specification(规格)严格控制字数在200字以内；语言风格需保持高度的简洁性与学术严谨性，避免冗余修饰。Personal(人格)采用科技博主的视角与风格，语言犀利且简洁明了，善于用数据和案例佐证观点，同时保持亲和力。Example(示例)（此处可提供一段符合上述要求的文字示例，用于引导AI生成更精准的内容，例如一段关于AI个性化学习的精彩开篇。）4.5提示词应用技巧本小节将介绍五种实用的提示词应用技巧，帮助读者在实际应用中灵活运用提示词，提升交互效率与质量。个性化定制针对特定场景

定制专属指令多模态融合结合图文音视频

丰富输入维度动态调整根据反馈结果

实时迭代优化分层与分级结构化指令逻辑

明确执行优先级情感分析优化注入情感要素

提升回复共情力核心价值：通过灵活运用这些技巧，不仅能提高提示词的精准度，还能极大地拓展AI的应用边界，实现从“能用”到“好用”的跨越。4.5.1个性化定制提示词核心概念针对不同的用户需求和具体场景，从语言风格、内容重点、引导方式等多方面对提示词进行定制，使其更贴合用户需求。场景示例：儿童数学教育采用生动、形象、易懂的语言，结合卡通形象、故事元素等来引导儿童进行学习和互动，降低理解门槛。提示词Prompt示例“嘿，小朋友们，今天我们一起和小熊去森林里寻找宝藏吧！宝藏里藏着很多有趣的数学题目哦，答对了就能得到水上熊的蜂蜜罐！让我们一起看看这道题：如果你有3个苹果，又找到了2个苹果，那你会有几个苹果呢？”4.5.2多模态提示词融合核心概念：多感官信息增强结合图像、音频、视频等多种模态信息来增强提示的效果，打破单一文本的限制，让用户更直观、全面地理解和感受信息，构建沉浸式体验。应用示例：巴黎埃菲尔铁塔的沉浸式介绍视觉与听觉铺垫：展示夕阳下埃菲尔铁塔的高清图片+播放轻柔的法国香颂音乐。文本提示词融合：“这座标志性的建筑在夕阳的映照下显得格外浪漫，仿佛诉说着巴黎的古老与现代交融的故事。你可以在这里欣赏到巴黎市区的全景，感受这座艺术之都的独特魅力。”4.5.3动态调整提示词核心概念：根据用户的实时反馈、操作行为及上下文环境的变化，对提示词进行动态调整，使提示词始终保持与用户需求的紧密贴合。应用示例：智能客服的迭代优化初始回答“这款手机的电池续航能力很强，正常使用可以维持一整天。”用户反馈“我不太清楚你说的‘正常使用’是指什么情况，能否具体说明？”调整后提示词“正常使用指每天约4小时社交、2小时视频、1小时通话及日常邮件处理，在此强度下可维持约24小时。”关键价值：通过动态捕捉用户意图的变化，将模糊的“黑盒”交互转变为清晰、可预期的“白盒”服务，显著提升用户满意度。4.5.4提示词的分层与分级核心概念：结构化引导与信息聚焦将提示词按照不同的层次和级别进行组织，从宏观到微观、从简单到复杂逐步引导用户，避免用户在海量信息中迷失方向，从而精准定位需求。应用示例：知识库查询系统中的引导流程一级提示词(宏观分类)用户输入“人工智能”，系统展示：机器学习、NLP、计算机视觉等领域选项。二级提示词(微观聚焦)用户选择“NLP”，系统进一步细分：文本分析、语音识别等子领域。💡策略价值：通过逐步缩小范围，帮助用户从宽泛需求过渡到具体场景，提升交互体验与信息获取效率。4.5.5结合情感分析优化提示词核心概念：人性化交互通过对用户的情感倾向进行实时分析，根据用户的情感状态（如焦虑、开心、困惑）动态调整提示词的语气、内容和表达方式，使AI应用更具同理心和人性化。应用示例：在线学习平台的情感关怀场景：用户连续几次模拟考试成绩不理想，系统检测到用户表现出焦虑情绪。“亲爱的学员，看到你最近的成绩有些波动，我知道你可能有些焦虑。但别担心，每个人在学习过程中都会遇到这样的情况。我们可以一起分析一下错题，找到薄弱点，然后针对性地进行复习。相信你一定能够克服困难，取得好成绩！加油！”4.6提示词伦理与安全核心伦理准则(Ethics)避免误导性信息，确保内容真实准确严格保护用户隐私，不滥用敏感数据消除算法偏见，拒绝歧视性输出保持透明度，确保决策逻辑可解释关键安全防护(Security)防范提示词注入攻击，加固系统边界拦截恶意内容生成，阻断有害信息传播保障训练与交互数据的安全存储与传输建立全流程审计机制，实时监控异常行为构建负责任的AI应用：在追求技术效能的同时，必须坚守伦理底线，